Estamos buscando un/a Ingeniero/a Senior Full-Stack dedicado/a al desarrollo de nuestra plataforma Mar IA: una aplicación web que permite a los profesionales de la salud configurar, supervisar y gestionar nuestro agente de IA de voz a voz en tiempo real.Trabajará con nuestro equipo central, asegurándose de que la aplicación se adapte sin problemas a decenas de miles de conversaciones simultáneas de IA.FuncionesDiseñar y mantener el harness de nuestros agentes clínicos: bucle agéntico, registro de tools, gestión del presupuesto de tokens, condiciones de parada, compactación de contexto y política de reintentos.Definir la topología multiagente adecuada a cada problema (subagentes con contexto aislado, skills, handoffs, router) y justificar por qué esa y no nstruir loops de planificación de horizonte largo con estado persistido en filesystem: ficheros de plan, checkpoints de reanudación y puntos de control humano antes de acciones irreversibles sobre datos de paciente.Empaquetar conocimiento procedimental clínico como Skills (SKILL.Md, divulgación progresiva) y capacidades externas como servidores MCP propios sobre HIS/EHR, con permisos por nivel de riesgo (lectura / escritura / destructivo).Montar y hacer crecer nuestra capa de evaluación de agentes: datasets de regresión, LLM-as-a-judge con criterios auditables, evals automáticas que bloqueen cambios en el harness y evals de seguridad del propio harness (inyección indirecta vía contenido clínico, timeouts, sobre-uso de tools), usando Lang Smith, Braintrust, Langfuse, promptfoo, Deep Eval, Inspect o similares.Integrar de forma segura nuestros sistemas con hospitales y plataformas de historias clínicas electrónicas (EHR),



incluyendo el modelo de permisos y trazabilidad de lo que el agente lee y escribe.Instrumentar los agentes con trazas por span (Langsmith, Open Telemetry, Sentry, o similares): coste, latencia por tool, tasa de éxito por paso, calidad de transcripción y hit rate de cache de prompt.Desarrollar y evolucionar la aplicación web sobre la que los profesionales de salud interactúan con nuestros agentes, con criterio para dirigir y revisar código jorar la infraestructura del backend y automatizar despliegues con Docker y Git Hub Actions, cuidando la experiencia del desarrollador y los entornos aislados donde corren los agentes.Participar en decisiones fundamental de arquitectura: qué se resuelve con modelo, qué con harness determinista y qué con código plano.Requisitos mínimosLo que buscamos:3+ años desarrollando software en producción, con al menos 1 año llevando sistemas basados en LLM más allá de la demo: no wrappers de chat, sino sistemas con tools, estado y fallos reales.Experiencia demostrable diseñando tool interfaces para agentes: esquemas tipados, validación de entradas, idempotencia y errores que el modelo pueda usar para corregirse.Entendimiento profundo de gestión de contexto: qué entra en la ventana y por qué, compactación, memoria externa en filesystem,



ordenación cache‑nocimiento de MCP a nivel de implementación, no de usuario: haber escrito un servidor, entender tools/resources/prompts, transportes y autorizacióntalidad de evaluación antes que de intuición: experiencia definiendo métricas y datasets de evaluación para sistemas no deterministas con Lang Smith, Braintrust, Langfuse, Ragas, Deep Eval, Open AI Evals o similares. Si no sabes medir si un cambio mejoró algo, no es un cambio.Dominio de Python y Type Script, y capacidad de leer con criterio código que no has escrito —propio o generado— para revisarlo y rechazarlo.Experiencia diseñando esquemas relacionales y flujos de autenticación y autorización (IE: Supabase).Criterio de seguridad en sistemas agénticos: superficie de inyección indirecta, mínimo privilegio, aislamiento de ejecución, manejo de datos nocimientos sólidos de Docker y pipelines de CI.Nivel fluido de español e inglés (oral y escrito).Residir en Valencia o MadridExcelente comunicación y alto sentido de responsabilidad y autonomía.Será un plus si:Experiencia con fine‑tuning aplicado (Lo RA/QLo RA, SFT, destilación) y, sobre todo, evidencia de haber evaluado si merecía la pena frente a ajustar el harness.Experiencia sirviendo inferencia propia: v LLM, SGLang, Tensor RT‑LLM o similares;
batching continuo, cuantización, dimensionado de GPU y coste por token frente a API.Experiencia con ASR y modelos de voz aplicados a dominio clínocimiento de comunicaciones en tiempo real (Web Sockets, Web RTC) y APIs de ntribuciones públicas: servidores MCP, skills, herramientas de agentes, papers o nocimiento del sector salud y de normativas como GDPR, MDR o HIPAA.

📌 Ingeniero De Inteligencia Artificial (Madrid)
🏢 Omniloy
📍 Madrid